护林员

ranger:用C++和R语言快速实现高维数据的随机森林。我们介绍了C++应用程序和R包ranger。该软件是高维数据随机森林的快速实现。支持分类树、回归树和生存树的集合。我们描述实现,提供示例,使用引用实现验证包,并将运行时和内存使用情况与其他实现进行比较。新的软件被证明是最好的规模与数量的特征,样本,树,和特征尝试分裂。最后,我们证明了ranger是在全基因组关联研究规模上分析数据的最快和最有效的随机森林实现。


zbMATH中的参考文献(参考文献33条)

显示第1到第20个结果,共33个。
按年份排序(引用)
  1. Bénard,Clément公司;比尔,杰拉德;达维加,塞巴斯蒂安;Scornet,Erwan:SIRUS:用于分类的稳定和可解释的规则集(2021)
  2. Cansu Alakus,Denis Larocque,Aurelie Labbe:RFPredival:随机森林和增强森林预测区间的R包(2021)阿尔十四
  3. 弗伦德,费边;Siri-Jégousse,Arno:遗传多样性统计对凝聚体之间模型选择的影响(2021)
  4. 林贝克,简;比斯多姆,凯文;兰兹,费边;帕克,提摩太;芭芭罗,爱德华多;伯恩,斯蒂芬;基拉利,弗兰兹;贝尔曼,斯蒂恩;哈里斯,克里斯;尼文哲尔,基普;丹贝泽默,玉米卷;van Elk,Jan:使用机器学习进行格罗宁根气田(2021年)枯竭诱发地震活动的模型基准和预测
  5. 马少辉;菲尔德斯,罗伯特:零售销售预测与元学习(2021)
  6. 范贝尔,詹特;枪,头饰;韦贝克,伍特:利用共享销售数据预测多级供应链中的批发商需求(2021年)
  7. Richard A.伯克:回归视角下的统计学习(2020)
  8. 伯姆克,布拉德;Greenwell,Brandon M.:用R实践机器学习(2020)
  9. 波默特,安德里亚;孙旭东;比什尔,伯纳德;拉赫内夫勒,约格;Lang,Michel:高维分类数据中特征选择的过滤方法基准(2020)
  10. 维托耳奎拉;托戈,路易斯;Mozetič,Igor:评估时间序列预测模型:绩效评估方法的实证研究(2020)
  11. 乖乖,罗宾;Poggi,Jean-Michel:随机森林与R(2020)
  12. 霍农,罗曼:有序森林(2020)
  13. Mišić,Velibor V.:树木组合优化(2020年)
  14. 普莱科,德拉戈;Meinshausen,Nicolai:保存分位数的公平数据适应(2020)
  15. 里贝罗,丽塔P。;莫尼兹,努诺:不平衡回归和极值预测(2020)
  16. 圣人,安德鲁J。;根舍尔,乌尔里克;奈特尔顿,丹:随机森林等级概率估计的树集合(2020)
  17. Sayan Putatunda,Dayananda Ubrangala,Kiran Rama,Ravi Kondapalli:DriveML:无人驾驶机器学习的R包(2020)阿尔十四
  18. 施密德,马提亚斯;威尔乔斯基,托马斯;赖特,马文N。;Berger,Moritz:具有Hellinger距离决策树的离散时间生存森林(2020)
  19. 托米塔,泰勒M。;布朗,詹姆斯;沈岑城;钟,杰文;帕特索里克,杰西L。;福尔克,本杰明;普里比,凯莉·E。;嗯,杰森;伯恩斯,兰德尔;马吉奥尼,毛罗;沃格尔斯坦,约书亚T.:稀疏投影斜随机森林(2020)
  20. 范登伯格,唐;博加茨,斯特凡;斯普林,马力纳斯;弗洛尔,罗布;范德克霍夫,约阿希姆;Batchelder,威廉H。;Wagenmakers,Eric Jan:司法精神病医院患者心理健康评分评估的文化共识理论(2020)